【亲测免费】 Prometheus FastAPI Instrumentator 安装和配置指南
2026-01-25 04:10:43作者:俞予舒Fleming
1. 项目基础介绍和主要编程语言
项目介绍
Prometheus FastAPI Instrumentator 是一个用于 FastAPI 应用的 Prometheus 指标采集工具。它可以帮助你轻松地将 Prometheus 指标集成到 FastAPI 应用中,以便监控应用的性能和行为。
主要编程语言
该项目主要使用 Python 编程语言。
2. 项目使用的关键技术和框架
关键技术
- Prometheus: 一个开源的系统监控和报警工具包。
- FastAPI: 一个现代、快速(高性能)的 Web 框架,用于构建 APIs,基于 Python 3.7+ 和异步编程。
框架
- FastAPI: 用于构建 Web 应用。
- Prometheus Client Library: 用于在 Python 应用中集成 Prometheus 指标。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
在开始安装和配置之前,请确保你已经安装了以下软件:
- Python 3.7 或更高版本
- pip(Python 包管理工具)
安装步骤
步骤 1:创建虚拟环境(可选)
为了隔离项目依赖,建议创建一个虚拟环境。
python3 -m venv myenv
source myenv/bin/activate
步骤 2:安装 Prometheus FastAPI Instrumentator
使用 pip 安装 prometheus-fastapi-instrumentator 包。
pip install prometheus-fastapi-instrumentator
步骤 3:创建 FastAPI 应用
创建一个新的 FastAPI 应用文件 main.py,并添加以下代码:
from fastapi import FastAPI
from prometheus_fastapi_instrumentator import Instrumentator
app = FastAPI()
# 初始化 Instrumentator
instrumentator = Instrumentator()
# 在应用启动时进行指标暴露
@app.on_event("startup")
async def startup():
instrumentator.instrument(app).expose(app)
# 示例路由
@app.get("/")
async def root():
return {"message": "Hello World"}
步骤 4:运行 FastAPI 应用
使用以下命令运行 FastAPI 应用:
uvicorn main:app --reload
步骤 5:访问 Prometheus 指标
启动应用后,你可以通过访问 http://127.0.0.1:8000/metrics 来查看 Prometheus 指标。
配置步骤
自定义指标
你可以通过添加自定义指标来扩展 Prometheus 指标采集功能。例如,添加一个计数器来统计特定语言的请求次数:
from prometheus_client import Counter
from prometheus_fastapi_instrumentator import metrics
# 创建自定义指标
http_requested_languages_total = Counter(
"http_requested_languages_total",
"Number of times a certain language has been requested",
labelnames=("langs",)
)
# 添加自定义指标到 Instrumentator
instrumentator.add(
metrics.request_size(
should_include_handler=True,
should_include_method=False,
should_include_status=True,
metric_namespace="a",
metric_subsystem="b",
)
)
配置选项
Instrumentator 提供了多种配置选项,例如忽略特定路由、控制指标暴露等。你可以在创建 Instrumentator 实例时进行配置:
instrumentator = Instrumentator(
should_group_status_codes=False,
should_ignore_untemplated=True,
should_respect_env_var=True,
should_instrument_requests_inprogress=True,
excluded_handlers=["/admin/*", "/metrics"],
env_var_name="ENABLE_METRICS",
inprogress_name="inprogress",
inprogress_labels=True,
)
通过以上步骤,你已经成功安装并配置了 Prometheus FastAPI Instrumentator,并可以开始监控你的 FastAPI 应用了。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
跨系统应用融合:APK Installer实现Windows环境下安卓应用运行的技术路径探索如何用OpCore Simplify构建稳定黑苹果系统?掌握这3大核心策略ComfyUI-LTXVideo实战攻略:3大核心场景的视频生成解决方案告别3小时抠像噩梦:AI如何让人人都能制作电影级视频Anki Connect:知识管理与学习自动化的API集成方案Laigter法线贴图生成工具零基础实战指南:提升2D游戏视觉效率全攻略如何用智能助手实现高效微信自动回复?全方位指南3步打造高效游戏自动化工具:从入门到精通的智能辅助方案掌握语音分割:从入门到实战的完整路径开源翻译平台完全指南:从搭建到精通自托管翻译服务
项目优选
收起
deepin linux kernel
C
28
16
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
570
99
暂无描述
Dockerfile
709
4.51 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
958
955
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.61 K
942
Ascend Extension for PyTorch
Python
572
694
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
413
339
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.42 K
116
暂无简介
Dart
951
235
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
2